為什麼數據分析進行的預測不夠成功

行業專家有時感歎大規模分析和數據科學計劃經常缺乏價值。雖然人們從許多努力中看到了其巨大的價值，但結果非常差的例子也屢見不鮮。專家認為，通常這些問題可以歸結為一個基本的錯誤。也就是說，認為生成預測，預測或模擬就足夠了。但事實卻不是這樣。

預測是出發點

高級分析或數據科學計劃涉及對數據應用某種類型的算法，以找到一些模式。這些算法通常用於生成下列的一個或多個問題：

·對未來事件的預測。例如，誰最有可能對於給定的報價進行回應？

·未來結果預測。例如，人們預期即將推出的促銷活動有什麼樣的銷售額？

·各種場景的模擬。例如，如果將一部分預算從付費搜索轉移到電視廣告，會發生什麼？

在不同類型的預測之間還存在算法和其他使用的細微差別，但是對於人們的目的而言，這三個示例足以說明其要點。

在每種情況下，輸出是關於在給定一個或多個指定條件下在未來可能預期什麼的信息。這些信息至關重要。然而，它本身不解決任何事情，因為實際上沒有價值實現。簡單地創建和存儲輸出的算法提供了潛在的價值，但是卻很難到達終點線。

但不是終點

至少，企業必須使業務人員能夠訪問分析結果，與分析結果進行交互並對分析結果采取行動。換句話說，作為分析結果的結果，什麼決定會得到改善？回到上述的例子：

·由於人們知道每個客戶會有多大可能做出響應，營銷主管可以確定適當的人群來接收報價。

·鑒於銷售預測高於正常水平，主管可以要求提供一些額外的庫存。

·鑒於如果一些資金從付費搜索轉移到電視廣告，高管可能會建議進行一些重新平衡。

關鍵是沒有行動，結果什麼都沒做，隻是等待實現的潛在結果。這與冰箱裏的所有食物都沒有太大差別，因為這有所需要的食材，很容易得到，但真正的關鍵是烹飪。除非花時間用心做這頓美味的晚餐，否則就是要麼挨餓，要麼吃三明治。

因此，任何分析計劃的重要部分都必須考慮相關業務人員將如何使用結果，以確定他們想采取什麼行動，然後實施這些操作。這意味著規劃和提供的儀表板和交互式界麵以及詳細的數據輸出。

進一步取得成果

請注意，在之前的部分，應該是放在一個執行互動，解釋，並采取行動的結果。有時這是必要的，但它往往是一個負擔，行政人員既沒有經驗，也沒有時間來處理。要真正推動價值，需要使其分析成為規定。而許多組織仍然未能做到這些。

為了真正從分析過程中獲得價值，有必要盡可能自動化結果的解釋和結果操作。隻是不可能擴展需要強烈手動幹預的過程。即使某人必須仍然批準這些操作，具有提供建議的過程以及解釋建議的支持數據將大大簡化該過程。

雖然人們有著某些分析計劃無法實現的擔憂，但行業專家認為，如果仔細檢查失敗，就會發現，他們通常無法進行預測或模擬。

本文轉自d1net（轉載）

最後更新：2017-08-13 22:48:13